再获权威认可!金智维助力重庆银行“数智员工”连登两大市级榜单

简介: 重庆银行联合金智维打造“个人按揭贷款数智服务”,融合大模型、RPA与智能风控,实现资料处理自动化(210分钟→15分钟)、审批时效提升87%(4小时内完成),入选2025年重庆市AI典型案例及“应用场景领跑者”榜单,为银行业数字化转型树立标杆。

近日,在由重庆市委改革办组织开展的“数字重庆建设应用场景大赛2025年第三季度大赛”中,重庆银行凭借“个人按揭贷款数智服务”应用场景,入围三季度“应用场景领跑者”榜单,成为该榜单中唯一入选的金融类国企。同时,在重庆市大数据发展局、市科技局联合发布的2025年度人工智能应用场景典型案例中,该项目同样成功入选。

该项目由金智维与重庆银行携手打造,围绕个人按揭贷款业务流程长、资料处理复杂、人工依赖度高、审批尺度难统一等现实问题,双方以“数字员工智能体”为核心,融合流程引擎、人工智能决策、大模型与RPA技术能力,对按揭贷款全流程进行系统化升级,构建覆盖申请、资料处理、风险评估与审批决策的智能化服务体系。在技术创新性、场景实用性与行业示范性方面,该项目屡获官方高度认可。


流程重构:

集中审批与线上化协同并行推进


在项目实施初期,由重庆银行对按揭贷款业务流程进行整体重塑,推进审批集中化、流程线上化、尽调标准化与审批智能化,实现业务闭环管理。通过统一审批标准和集中作业模式,提升跨部门协同效率。

在系统协同层面,项目打通微信小程序“渝鹰link”与行内信贷系统,结合人脸识别、OCR识别与数据共享机制,实现客户线上提交资料、系统自动同步处理。资料采集、传输与录入实现线上闭环,减少重复操作,提高数据一致性。


模型升级:

从规则驱动到大模型融合


在集中审批体系基础上,重庆银行推出“个人按揭贷款集中审批2.0”。结合运行数据与用户反馈,对决策模型与流程进行阶段性诊断与优化,审批效率在一期基础上进一步提升约50%。

项目还创新性引入ETL4LLM大模型技术,并与RPA深度融合。该方案基于预置金融知识的大语言模型,针对信息抽取类任务进行定制设计,通过Prompt即可完成多类型文档的KV结构化提取,并可通过指令微调快速适配新场景。面对信息位置不固定、文档格式多样的业务资料,系统依然能够保持稳定识别能力,有效降低传统规则配置与样本训练成本。


数字员工赋能:

效率提升与风险可控并重


在实际运行中,金智维AI数字员工承担资料解析、数据录入、流程驱动与系统协同等核心工作。

通过融合OCR影像识别大模型,单笔业务录入时间由210分钟缩短至15分钟,数据准确率达到95%。系统支持7×24小时运行,同类型岗位工作量实现自动化承接。

在审批环节,系统结合智能风控模型进行量化评估,高分值客户可实现“秒批”,整体审批流程压缩至4小时以内,平均审批效率较传统模式提升87%。审批标准统一化运行,有效减少人为差异,提升流程透明度。

目前,该系统已覆盖重庆区域贷款业务,并逐步向异地分行推广。项目实施后,节省了199家机构的人力投入,释放前台资源用于客户服务与产品创新。同时,智能风控模块有效识别潜在风险贷款,保障资产质量安全。

“个人按揭贷款数智服务”应用场景的落地,体现了大模型技术、流程引擎与数字员工在金融核心业务中的协同应用模式,其不仅是重庆银行在技术革新方面的成功实践,更实现了经济效益与社会效益的双赢,为银行业的数字化转型树立了典范。而重庆银行也凭借该项目,曾接连斩获各大奖项(如鑫智奖第五届金融机构数智化转型优秀案例评选的“网络影响力TOP10优秀案例奖”以及“数字风控优秀案例奖”)。

强化数智赋能是金融行业新质生产力发展的重要方向,未来金智维将结合金融“五篇大文章”与数字金融发展路径,继续围绕信贷、运营、财务与风控等核心场景,与金融机构深化合作,推动AI数字员工和企业级智能体在真实业务环境中的规模化应用,帮助更多金融机构实现从“局部自动化”到“全流程智能体”的跃迁,稳步释放数字效能、加快数字发展。

相关文章
|
2月前
|
机器学习/深度学习 数据采集 人工智能
AI重塑金融——风控、量化与智能体的革命
金融行业一直是AI技术应用的前沿阵地。从2024年到2026年,AI在金融领域的渗透从“锦上添花”走向“核心驱动”,从“辅助工具”升级为“自主决策者”
428 1
|
3月前
|
存储 人工智能 API
AI协同效率革命:OpenClaw与Claude Code打通攻略|多环境部署+免费模型适配+工作流优化
2026年,AI工具的核心竞争力已从单一功能强大转向跨工具协同高效。OpenClaw作为开源AI助手生态的核心代表,与Anthropic旗下的Claude Code终端代码代理的组合,凭借ACP(Agent Client Protocol)插件的打通,实现了“日常事务自动化+代码级架构优化”的全链路闭环。这种“一个管全局调度,一个管代码深耕”的协同模式,不仅让AI助手具备了自我优化的能力,更将用户从重复性工作与复杂配置调试中彻底解放,成为当前极具实用性的AI工作流组合。
2323 7
|
3月前
|
传感器 存储 机器学习/深度学习
Agent架构综述:从Prompt到Context
本文剖析Agent技术从Prompt驱动到Context核心的演进本质:Prompt是静态任务入口,Context则是动态智能基座。文章系统梳理三阶段架构升级(V1.0至V3.0),解析五大核心层级与四大关键技术支柱,并指出轻量化、跨Agent协同、端到端驱动等未来方向。
489 2
|
1月前
|
JSON 测试技术 API
GLM-5.1上线一个多月了,现在讨论变少了,我反而想聊聊它
实测显示GLM-5.1在指令遵从度和任务延续性上表现突出,虽与顶尖模型存在约5%性能差距,但性价比优势显著,已成为开发者工具箱中的重要选项。
485 6
|
1月前
|
数据采集 运维 监控
Agent 烧钱如流水?Agentic OS (ANOLISA) 帮你逐笔看清 Token 账单
AgentSight 提供了能看清 Agent 全局状态和每笔 Token 去向的可视化面板。
|
1月前
|
人工智能 算法 机器人
18类户外生活垃圾检测数据集(3000张)|YOLO训练数据集 智慧环卫 户外垃圾识别 城市治理 环境监测
本数据集含3000张真实户外场景图像,精细标注18类高频生活垃圾(如塑料瓶、口罩、零食袋等),适配YOLO系列模型。覆盖街道、社区等复杂环境,含小目标、遮挡与多变光照,标注精准、结构规范,助力智慧环卫、无人机巡检与城市环境监测等AI落地应用。
|
2月前
|
JavaScript Android开发 数据安全/隐私保护
以cocos3.8.8开发的游戏为例商业实战项目举例cocos打包ios苹果安装包ipa完整详细教程-优雅草卓伊凡
本教程基于Cocos Creator 3.8.8,详解iOS IPA打包全流程:含环境配置(Xcode、Apple开发者账号)、构建面板设置(包名、屏幕方向、签名等)、Xcode工程配置、Archive归档及IPA导出,并附常见报错解决方案,理论+实操结合,助力开发者高效上架。
349 8
以cocos3.8.8开发的游戏为例商业实战项目举例cocos打包ios苹果安装包ipa完整详细教程-优雅草卓伊凡
|
1月前
|
Shell API 持续交付
多模型热切换场景下,​D​М‌X​Α‌РΙ调kimi-k2.6
kimi-k2.6 凭借更强代码能力、更稳长程编写与Agent自主执行能力,成为2026年企业级AI落地关键模型。其核心价值在于长任务可执行性与结构化理解力。配合DМXΑРΙ API平台,可实现稳定鉴权、流式响应、上下文治理与多模型热切换,真正支撑生产环境持续交付。(239字)
|
1月前
|
存储 数据采集 SQL
数据治理是什么?数据治理怎么做?
本文直击企业AI落地困局——数据底子薄、治理缺方法。提出“理、聚、管、治、用”五步法:从数据盘点分类、打破孤岛汇聚,到标准管控、清洗分层治理,最终实现共享服务与业务赋能。实操性强,助企业夯实AI根基。

热门文章

最新文章